新書推薦：
《
厚土无疆：古代中国的今生与来世
》
售價：NT$
449.0
《
画龙西方传世影像里的中国形象1500-1949
》
售價：NT$
806.0
《
似锦
》
售價：NT$
383.0
《
首饰之美：国宝里的中式美学
》
售價：NT$
806.0
《
旧庙新神：晚清变局中的孔庙从祀（论衡系列）
》
售價：NT$
296.0
《
道心惟微：中国大一统王朝的战略文化与历史启示
》
售價：NT$
500.0
《
近代中国“世界”观念研究
》
售價：NT$
454.0
《
重写灵魂：多重人格与记忆科学（共域世界史）
》
售價：NT$
556.0
|
| 編輯推薦： |
|
《质量管理的数字化转型：发掘潜力、制定策略、优化质量》是一本面向企业管理者、质量工程师及数字化转型实践者的实用指南。本书由德国智能制造专家团队编写，系统讲解了如何利用AI、大数据和工业4.0技术优化质量管理体系。通过真实案例与方法论结合，帮助读者掌握数据驱动的质量分析、过程优化及风险决策，助力企业实现降本增效与智能化升级。适合制造业、科技企业及相关从业者阅读学习。
|
| 內容簡介： |
|
本书向初学者和决策者展示了如何实施质量管理的数字化转型。它描述了如何通过新的战略、方法、步骤和协作形式来加深对产品和过程的理解，并展示了这对企业意味着哪些潜力。因此，本书为企业实施质量管理数字化转型提供了必要的前提条件，使其能够在更复杂的产品和动态需求下长期立足于市场。本书采用具体、面向实践的方式，使读者能够根据公司规模、行业和数字化成熟度制定和实施数字化战略。以解决方案为导向，帮助读者更有效地评估质量数据和信息，更好地认识和避免错误，评估公司质量管理的数字化程度并挖掘潜力，认识数字化为产品质量和过程质量带来的机遇。本书适合从事质量管理相关工作的人员阅读。
|
| 關於作者： |
|
工程师格诺特?弗雷辛格（ErnotFreisinger），理学硕士Successfactory成功工厂管理教练顾问和培训师1983年出生于沃茨贝格，毕业于格拉茨高等技术学院电气工程专业，随后在格拉特科恩的蒂森克虏伯电梯公司担任开发工程师。2008年至2021年在ELSTA Mosdorfer公司担任项目和产品管理。作为格拉茨应用科学大学创新管理硕士学位的毕业生，他自2013年以来一直在产品开发、质量管理和数据分析领域担任顾问和培训师。他的工作范围包括确定客户需求、开发高质量系统和引进开发方法。他的工作重点是识别和实施数据驱动的用例和优化任务。奥利弗?约布斯特尔博士（Oliver J?bstl），及工学硕士Successfactory成功工厂管理咨询公司总经理1969年出生于莱奥本，毕业于莱奥本大学材料科学专业，并在经济和商业管理学院完成了质量管理和工厂经济学领域的博士学位。他是莱奥本成功工厂管理培训公司（successfactory management coaching gmbH）的联合创始人，自2000年以来一直在质量管理、领导力、统计建模、机器学习和人工智能的工业应用等领域为工业企业提供咨询服务。贝恩德?科格勒（Bernd K?gler），工学硕士以及工商管理硕士盼克高性能系统工厂经理1972年出生于维也纳，在维也纳科技大学学习机械工程，随后在哈莱恩的罗伯特?博世有限公司（Robert Bosch A.G.）担任开发工程师。自2005年起就职于盼克散热器有限公司（Pankl Racing Systems A.G.）。目前担任变速器生产工厂经理和连杆系列生产技术经理。2015年至2017年，在维也纳理工大学和布拉迪斯拉发理工大学攻读汽车行业兼职工商管理硕士。同时也是2021年《经验教训......？！——家庭和工作中的领导力》一书作者。于尔根?利普（JürgenLipp）successfactory成功工厂管理培训顾问和培训师1979年出生于格拉茨，从凯恩多夫信息技术高等学院毕业后开始从事软件开发工作。在担任过多个职位后，他于2010年至2015年在Atronic公司（现为IGT国际游戏科技公司）负责系统软件开发。2013年至2015年，他在格拉茨应用科学大学和汉堡的oose创新信息技术修读了非全日制软件工程领导力在职硕士学位。在恩智浦半导体公司（NXP Semiconductors）、pmOne公司和ADB Safegate公司担任工程经理之后，他于2020年开始在成功工厂管理培训公司担任顾问和培训师，向大中型企业传授他在软件和人工智能项目方面的经验。曼弗雷德?施特罗曼博士教授(Manfred Strohmann)卡尔斯鲁厄应用科学大学电气工程和信息技术学院电气工程和系统理论基础教授他与当地工业合作伙伴合作，在工业产品中实施六西格玛设计和机器学习的统计方法。在大学里，他还致力于工程科学的教学。2016年，他因此荣获卡尔斯鲁厄应用科学大学教学奖。作为课程主任和副院长，他努力将自己开发的概念融入教学以及学习和考试规则中。
|
| 目錄：
|
|
译者序第1章这本书传达了什么内容1第2章质量管理的挑战1021质量的定义1022什么是质量管理1123流程的有效性和效率1124当前质量管理面临的挑战1225数字化变革是质量管理的机遇1426质量管理的发展阶段1527质量管理的目标17271提高产品质量和客户满意度18272提高过程质量1928数字化应用案例1929数字质量管理的九个行动领域22第3章数字化质量管理体系2531设计平衡的质量管理体系的艺术2532现代质量管理体系以过程为导向26321由粗到细的设计原则28322以流程图为基础30323确保战略联系30324以过程负责人作为成功的关键3133现代质量管理体系是数字化的31331过程管理系统的交互式数字结构32332质量管理软件3434BPMN 20作为自动化的基础3635数字质量管理体系使“增强型工人”成为可能40351为什么是现在40352为什么增强功能有用40353增强技术41354现场实践：变速器装配中的增强型工人4336利用数字质量管理体系进行过程挖掘4537利用移动协作平台的数字质量管理体系4738现代质量管理体系整合数据质量5039小结52第4章有质量保证的创新5341以客户为导向是成功创新的基础5442用户体验和设计思维方法5843开发创新商业模式6144六西格玛设计6445敏捷方法在开发中的应用66目录质量管理的数字化转型：发掘潜力、制定策略、优化质量451敏捷宣言67452软件开发方法6846软件密集型系统的质量73461软件老化74462质量模型7647工业40解决方案的系统开发79471层次结构级别79472互操作层80473生命周期和价值链8148案例研究：电动自行车82481业务层82482功能层86483信息层87484通信层87485集成层88486资产层89487小结89第5章使用正确数据的艺术9051统计学在数字质量管理中的作用9152统计基础：特征类型9253收集正确的数据93531确认性和探索性数据分析93532总体和样本9454理解数据95541一维数据集的图形描述95542离散特征的绝对频率和相对频率95543连续特征的描述96544定性特征的描述97545定量特征的参数98546箱线图99547具有定性特征的多维数据集的图形描述100548具有定量特征的多维数据集的图形描述102549二维数据集的相关性1035410多维数据集的相关性10455数据清理105551条目的一致性105552缺失条目10656特征编码107561定量特征编码107562定性特征编码10957构建数据（特征工程）110571删除不相关的特征110572生成附加特征111573合并稀疏数据11258降低维度113581主成分分析114582示例：异常值检测115第6章利用数据做出基于风险的决策11761引例和理论基础11762进行假设检验12063假设检验的安全和风险121631第一类误差和第二类误差122632质量函数和必要的样本量12364方差分析12465示例：气流均匀性测试125第7章从数据中学习的艺术12971质量管理中的回归程序132711构建回归函数132712回归模型评估135713正则化137714示例：使用机器学习算法进行过程控制13872分类方法145721K最近邻分类方法146722分类模型的评估147723示例：产量预测的分类方法15073聚类方法153731DBSCAN算法154732优化（调整）超参数155733评估聚类结果157734使用DBSCAN算法检测异常值15874通过卷积网络进行自动视觉检测161741神经网络的基本原理162742自动视觉检测——数据准备164743自动视觉检测——卷积神经网络16675时间序列分析170751图形表示和数学描述170752时间序列的基本运算172753重建缺失样本值的估算程序174754重采样：下采样和上采样175755过滤时间序列176756将时间序列分解为趋势、周期性成分和残差178757通过时间序列分析优化工具利用率17976强化学习181761强化学习的基本思想182762马尔可夫决策过程183763Q学习作为强化学习算法的简单示例184764示例185第8章通过数字化改进过程18781数字用例的类型18782寻找有前景的机器学习和自动化用例188821识别和界定过程188822利益相关者分析——收集和构建需求189823深入的过程分析190824寻找用例——创意阶段191825描述用例——零问题191826预选想法192827业务案例的描述和计算193828评估和选择用例19383系统地实施人工智能和机器学习用例194831业务理解195832数据理解和数据准备198833模型训练199834模型实施（部署）205835维护/管理20784过程自动化210841机器人过程自动化的类型210842实施自动化解决方案的过程模型21285通过六西格玛 系统化改进过程214851六西格玛简介215852六西格玛的过程模型——DMAIC循环216853六西格玛 ：将机器学习方法纳入DMAIC循环218854示例21986通过数字化处理错误的新选项221第9章系统架构开发和信息技术基础设施22491云计算224911服务模式226912分发模型和“私有云”22892有条不紊的架构开发228921架构驱动因素231922使用Jupyter项目进行初始数据分析232923粗略计算234924系统设计23693解决方案的产业化240931机器学习库240932用于机器学习的无代码工具241933接口的技术实现244934大数据和NoSQL250935扩展的其他方面25394迭代式开发与运营255第10章学习数字化技能257101能力建设的相关性257102培训计划与评估2591021培训计划2591022培训评估260103数字化时代的过程负责人261104培训管理人员成为数字化大使263105组织中的可持续学习2641051心理安全2641052学习型领导者2651053个人学习和小组学习2651054数字技术266106大声工作法267107反向辅导268第11章掌控数字化变革270111使用数字化扫描270112数字质量管理的出发点274113不确定时代的领导——领导力指南针277114利用管道模型支持变革管理280115数字化转型的实施路线图282第12章词汇表285121质量经理的语言285122数据分析师（数据科学家）的语言286123数据工程师的语言288参考文献292作者简介299
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
